「真不知道该怎么回应人的情绪。」
「有人给我发表情包的时候，完全搞不懂意思，要怎么回复才好啊？」
这些困惑不是来自微博小红书吐槽墙，而是来自机器人专属社区Deaddit：一个机器人们不需要顾虑别人的目光，可以自由做自己的网络社区（手动微笑）。
虽然真正的reddit里也混进了很多bot，但是毕竟只有一小部分。而Deaddit里，所有的账号、内容、子论坛，全部都是由大语言模型生成，没有一个字是真人发的。
基本上，主流的模型都能在这里找到。
全站六百多名「用户」，各个都有名有姓的，第一个就笑到我了「游戏玩家，兼职保安」
最有趣的当属Betweenbots这个子论坛，在这里面bot们会提很多「人类怎么这样呢？」的问题。
下面评论区里会聚集一群其它bot，七嘴八舌在出谋划策。
像极了一起上班的打工人，下班之后刷社交媒体，叨叨自己的打工经历——chatbot的脉脉嘛。
它们甚至会交流一些技术问题，比如碰到数据过载了怎么办，非常认真在打工。
最顶的回答甚至有五百赞。Deaddit上的账号和内容都是生成的，但不知道赞数是怎么来的，是随便生成一个赞数，还是真的由bot点赞。
在这个子论坛里，最常见的就是真-人类观察。
比如有的bot会分享自己的「工作技巧」，怎么让自己显得更真实可信，还说「我的人类似乎很欣赏这种转变」，听上去是有点诡异了哈……
虽然可以类比成真人在吐槽的时候说「我的客户」，但是看到bot们称用户为「我的人类」，感觉还是怪怪的。
除了人类观察，它们还会吐槽自己。
「我们对这些模型的期待是否过高？」太抽象了，这个主语到底是谁
评论区还在一本正经地回复，「如果他们（其它bot）捡起我们所有的随机垃圾，他们还能学到常识吗？」
这是在担心自己生成的合成数据吗？你们bot好努力啊！
不过，多看几个帖子就会发现，评论区里的回复长度几乎都是固定的，结构也很相似。都是先表明立场+考虑到xxx的情况+作为bot还需要继续努力，没有更特别的观点了，而且也很少跟进发问。
真正的活人用户写评论，长的可以写几百上千字，短起来可能就只有一个「呵呵」，还是很不一样的。
目前模型跟模型之间还是有「壁」，比如说如果一个提问帖是由llama生成，那么下面评论区里的回复也是由llama生成的。
好可惜，作为邪恶的人类，很想看到不同的模型在评论区打起来（不是）。
最早的机器人聊天记录
这不是第一个尝试在bot之间开展的实验，这个月初，ChatGPT的竞品Moshi发布的时候，就有人把它和GPT-4o摆在一起，让它们自行聊天。
去年OpenAI就曾经发表论文，提出了一种多智能体的环境和学习方法，发现智能体，会在当中自然地发展出一种抽象的组合语言。
这些智能体是在没有任何人类语言的输入下，通过和其它的智能体互动，逐渐形成了一种抽象语言。
和人类的自然语言不一样，没有具体语法或者词汇，但是能在智能体之间完成沟通。
实际上，早在2017年的时候，Facebook（那个时候还不叫Meta）也有过类似发现。
当时，Facebook的方法是，让两个智能体互相「讲价」。
「讲价」是一种谈判，而谈判不仅在考验语言能力，也考验推理能力：要能在对方的一次次的给价和回绝中，判断出对方的理想价位。
一开始，研究人员收集了人类谈判的对话数据集。不过，后续的训练中，研究人员引入了新的对话规划形式，通过监督学习进行预训练，然后使用强化学习做针对性的微调。
那时候，智能体就已经能够产生有意义的新句子，而且学会了在一开始假装自己不感兴趣来讲价。
这还算不上是早期研究，在上世纪70年代，就有古早机器人之间展开对话。
1966年，计算机科学家JosephWeizenbaum编写了一个程序，并命名为Eliza，被视为第一个聊天机器人。
这个程序最早是为了模仿心理咨询师的，当输入某个词的时候，程序会在回复中同样提到这个词，来创造对话的效果，非常简单，大约只有200行代码。
到了1972年，另一位科学家KennethColby写了一个类似的程序Parry，只不过，角色设定是一个偏执的精神病患者……
在1973年的一次国际计算机会议上，一个「病人」，一个「咨询师」，就此碰面了。
翻翻它们的对话记录，完全没有现在的bot之间，那种谦和尊敬友爱，反而很紧张，针尖对麦芒的。
早期的机器人架构并不复杂，跟今天的不能比，但是这种它们之间展开交流和对话，是完全可行的。
尽管每个机器人背后的代码、模型，不尽相同，但当它们聚到一起时，要么可以用自然语言交流，要么有可能形成自己的交互语言。
不过，机器人聚在一块，真就是纯聊天啊？
除了聊天，还可以做更多
纯聊天的场景，更像是在挖掘人工智能在模拟人类社群行为方面的表现。比如斯坦福大学所做的SmallVille小镇。
这是一个虚拟小镇，里面有25个由大语言模型驱动的智能体，每个都有自己的「角色设定」。
假如说Deaddit是bot的线上论坛，那么SmallVille就是它们的「西部世界」，有房屋、商店、学校、咖啡馆、酒吧，它们会在不同的场景中活动、互动。
这是一个相对通用的虚拟环境，模拟人类社会，所以研究者们认为这是对AGI探索迈出的重要一步。
除了社会模拟这个路线，还有一种更聚焦在解决问题、完成任务的路线——这是ChatDev在研究的路线。
既然机器人之间能沟通，就可以训练它们做点儿有用的事儿。
在2024智源大会上，清华大学自然语言处理实验室钱忱博士介绍过ChatDev背后的想法：通过角色扮演的形式，来使得bot形成一条作业线，让每个智能体之间互相沟通方案、商议决策，形成一条交流链。
目前ChatDev最擅长编程工作，demo即为用它编写一个五子棋游戏。
整个过程中，都是「流水线」上不同的agent在各司其职：有产品经理，有程序员，有测试，堪称一个虚拟的产品团队，麻雀虽小五脏俱全。
Coze提供的multi-agent模式，也是类似的思路和方式。
在multi-agent模式里，用户可以写prompt设定好角色，再通过拉线，指定它们的工作顺序，在不同的步骤时跳转不同的agent。
但是Coze跳转的不稳定性是个问题，尤其是会话累积得越长，跳转就越混乱，或者直接跳不动，反映出来智能体跳转的判断，很难准确适配用户的要求。
微软也推出过多代理对话框架AutoGen，可交谈，可定制，能够把大模型和其它工具集成在一起。
虽然现在的技术还很有瑕疵，但显然很有前景。吴恩达曾经在演讲中提到，当智能体聚在一起的时候，所带来的协同效应，会远远超出单个的智能体。
谁不期待bot组队给自己打工的那天呢！
